AI加速器撞上材料墙：T玻璃、HBM上限与设计端的挤压

Nittobo的T玻璃是一种低热膨胀系数的玻璃布，用在IC基板的有机芯层，也就是芯片和印刷电路板之间的互连层。Tom's Hardware在3月9日报道，这种材料能让尺寸大、发热高的封装保持尺寸稳定。需求已经超出供应太多，AI加速器的供应链因此受到波及。

价格上涨了20%到30%。铜箔层压板等下游材料的交期，从正常的8到10周拉长到20周以上。元大证券分析师Bill Ho对Tom's Hardware说：“T玻璃的供应现在更紧张，供应商已经不再给交期了。”

这个瓶颈不容易绕开。T玻璃需要专用的电熔炉，运行温度在1600到1700摄氏度之间。整个流程要把富硅玻璃熔化、纺成纱、再织成超薄布，扩产需要多年投入和经验。Nittobo正在把福岛工厂的产能提高到三倍，新增供应要到2027年年中才能进入市场。

英伟达为何直接找上游

这次紧张的不同之处在于抢货的是谁。超大规模云厂商订购的芯片封装越来越大，每一代单位封装消耗的T玻璃都更多。Tom's Hardware引用的英伟达数据显示，中介层面积从Hopper的814mm²增长到Blackwell的1700mm²，增幅109%。即将推出的Rubin和Feynman还会继续放大。

跟踪IC基板供应链的Yole Group分析师Bilal Hachemi说，T玻璃的介电常数和热膨胀系数对AI芯片更合适，尤其是有机芯层。基板行业利润薄，需求稍微一冲就会缺货。他还说，英伟达直接找上游材料供应商是前所未有的：“我们第一次看到英伟达这个终端客户直接去找上游材料供应商，锁定产能，确保自己能拿到货。”

英伟达一旦锁定自己的份额，其他芯片买家只能争剩下的部分。Nittobo正在把台湾工厂的纱线产能翻倍，再把纱线运回日本织布，并与南亚塑胶合作外包一部分织造。到2027年，Nittobo大约20%的玻璃布预计由竞争对手南亚织造。美国银行估计，Nittobo电子材料部门的销售额将从2025年的409亿日元（2.66亿美元）接近翻倍到2028年3月的877亿日元，营业利润率接近48%。

存储墙同步逼近

封装端的挤压不是加速器设计面临的唯一物理极限。在Hot Chips 2026上，d-Matrix展示了Raptor，一款面向生成式推理的3D DRAM加速器，核心论点是带宽经济性。模型权重不断增长，KV缓存随上下文长度乘以批大小膨胀：64个用户、1M上下文，KV缓存大约就是935 GB。

HBM解决了容量，但在带宽上吃力。ServeTheHome报道，d-Matrix提到英伟达Vera Rubin和AMD Instinct MI455这类HBM4封装的实际上限约为20 TB/s，受限于引脚速率、每个基底裸片的I/O宽度，以及大约8到16个堆栈的封装边缘长度。按2.4 pJ/bit计算，用HBM推送100 TB/s要消耗约1.92 kW，还没算上互连流量。d-Matrix的方案是把台积电N4逻辑裸片用36微米面对面堆叠在3D DRAM裸片之上。公司称这一工艺成熟、低成本、可量产且良率高。

同一场会议上详细介绍的微软Maia 200走的是另一条路：3nm芯片，1400亿晶体管，六个HBM3e堆栈，7TB/s的HBM带宽，10000 TFLOPS的FP4吞吐，750瓦TDP。ServeTheHome报道，微软为它配上全连接四路拓扑和纯scale-up网络，没有scale-out fabric，押注的是128个机架、6000颗芯片上的统一以太网。

设计工具来补位

物理限制收紧，行业更加依赖AI辅助设计。The Next Platform在7月27日报道，英伟达的Tim Costa在与记者通话时说，到2030年行业预计生产2万亿颗芯片，每月处理约4100万片晶圆，传统设计流程跟不上。Cadence称其AI Super Agents可以运行数百次仿真，把寄存器传输级验证速度提高40倍。Synopsys则说，其自主验证流程达到已验证RTL的速度比其他平台快50倍。

这些说法在签核之前都需要验证。SemiEngineering在9月25日指出，转向专用智能体正在编排、集成和护栏方面带来新问题。Cadence报告称，其spec-to-RTL智能体相比纯基础模型代码生成，面积减少约24%，功耗降低18%。

这些都没有解决基板瓶颈。Nittobo福岛的新产能2027年年中才到位，更大中介层和更长上下文带来的需求曲线并没有变平。